1、信息融合理論最早出現(xiàn)于20世紀(jì)70年代。自那以后，信息融合吸引了人們越來越多的關(guān)注，并廣泛應(yīng)用于自動目標(biāo)識別、自主飛行器導(dǎo)航、機器人、遙感、醫(yī)療診斷以及復(fù)雜工業(yè)過程控制等領(lǐng)域。圖像中蘊涵著豐富的信息，如何獲取這些信息并采用有效的手段進(jìn)行融合是模式識別中的一項重要課題。它需要將圖像處理理論與信息融合方法進(jìn)行有效結(jié)合。 本論文旨在研究基于圖像的配準(zhǔn)及融合方法，并為將其應(yīng)用于成像識別跟蹤奠定基礎(chǔ)。在簡要介紹圖像配準(zhǔn)和融合的發(fā)展概況、基

2、本理論、現(xiàn)有主要方法，以及成像識別跟蹤、目標(biāo)檢測理論的基礎(chǔ)上，主要對不同特性目標(biāo)、不同傳感器之間的圖像配準(zhǔn)，基于小波變換的像素級圖像融合算法仿真、實現(xiàn)及應(yīng)用，用于目標(biāo)檢測的特征級和決策級圖像融合方法進(jìn)行了深入細(xì)致的研究。 圖像配準(zhǔn)是信息融合研究中的一項重要課題。對于一些計算機視覺和模式識別任務(wù)而言，圖像配準(zhǔn)是其關(guān)鍵和先決條件。尤其對于像素級圖像融合而言，是其必不可少的首要步驟。在討論圖像配準(zhǔn)的數(shù)學(xué)模型的基礎(chǔ)上，對現(xiàn)有的配準(zhǔn)方法進(jìn)

3、行了綜述，系統(tǒng)比較了基于特征的配準(zhǔn)方法和基于區(qū)域的配準(zhǔn)方法各自的優(yōu)勢和局限，并介紹了應(yīng)用較多、與本論文研究聯(lián)系緊密的紅外和可見光圖像的配準(zhǔn)算法。針對目標(biāo)由遠(yuǎn)及近，目標(biāo)特性由遠(yuǎn)距離的點源目標(biāo)轉(zhuǎn)變?yōu)榻嚯x的擴展目標(biāo)，提出了針對小目標(biāo)和擴展目標(biāo)的兩種不同的配準(zhǔn)方法。對于小目標(biāo)，提出先配準(zhǔn)目標(biāo)視場，再配準(zhǔn)目標(biāo)位置的方法。首先建立了不同CCD之間的視場對應(yīng)關(guān)系，運用此關(guān)系完成視場的配準(zhǔn)，然后用MCD相關(guān)匹配完成目標(biāo)位置的配準(zhǔn)。對于擴展目標(biāo)及場景圖

4、的配準(zhǔn)，提出一種人機交互式的半自動配準(zhǔn)方法。其過程是先人工在邊緣圖像上選取少量特征點對，再利用仿射變換模型求取配準(zhǔn)參數(shù)，并用最小二乘法擬合出最優(yōu)參數(shù)解，該算法兼顧了實際中操作方便及配準(zhǔn)的精度和效率。 在來自不同傳感器圖像配準(zhǔn)了的基礎(chǔ)上，可以進(jìn)行像素級圖像融合。像素級圖像融合屬于底層的圖像融合，是獲取信息最多、檢測性能最好、適用范圍最廣、也是實施難度最大的一種融合層次，它的優(yōu)點在于盡可能多地保留了來自不同傳感器圖像的原始信息。論文

5、詳細(xì)介紹了現(xiàn)有的像素級圖像融合方法，指出多分辨技術(shù)是適用范圍最廣的，也是效果最好的。其中，多分辨技術(shù)中的小波變換法又優(yōu)于金字塔法。因此，選用小波變換法作為主要的融合方法。在引入圖像的小波多分辨分析基礎(chǔ)上，對基于小波變換圖像融合的融合步驟、小波基的選取、分解層數(shù)的確定、融合規(guī)則及評價方法進(jìn)行了詳細(xì)的探討和大量翔實的實驗，并得出一系列重要結(jié)論。提出了一種基于小波系數(shù)互相關(guān)性的新的融合方法，該方法利用均值、方差、協(xié)方差等統(tǒng)計參量構(gòu)造新的匹配度

6、和加權(quán)算子。對不同源圖像的融合效果進(jìn)行了展示，證明了基于小波變換圖像融合方法的有效性和廣泛適應(yīng)性。從應(yīng)用的角度出發(fā)，論文提出采用小波提升格式進(jìn)行算法的實現(xiàn)。對傳統(tǒng)的卷積方法和提升格式兩種小波變換方法進(jìn)行了比較分析，指出提升在運算上更為簡單，實時性好，并且便于硬件實現(xiàn)。在介紹小波提升格式的基本原理及特點基礎(chǔ)上，重點介紹了JPEG2000標(biāo)準(zhǔn)的兩個重要的提升小波基Le Gall(5，3)和Daubechies(9，7)。利用其中雙正交小波基

7、Daubechies(9，7)的提升架構(gòu)進(jìn)行了小波變換核的迭代實現(xiàn)，并應(yīng)用到圖像融合的算法仿真中。針對成像跟蹤進(jìn)行了目標(biāo)的跟蹤實驗，在融合生成的新圖像序列中進(jìn)行目標(biāo)實時跟蹤，達(dá)到了使信息量增加，跟蹤更穩(wěn)定的目的。 針對特征級和決策級圖像融合方法較少的現(xiàn)狀，面向目標(biāo)檢測，論文提出了兩種有一定適用性的融合算法，對填補該領(lǐng)域的空白作了一些探索性的研究工作。針對復(fù)雜背景下小目標(biāo)的檢測，提出了一種采用梯度特征表決融合的決策級融合檢測方法。

8、該算法采用多量級多向梯度對來自不同通道傳感器圖像中的目標(biāo)進(jìn)行初檢測，閾值分割出目標(biāo)，然后對各通道的檢測結(jié)果用“AND”邏輯進(jìn)行表決融合，去除大量虛假目標(biāo)，最后進(jìn)行圖像序列分析檢測出真實目標(biāo)。該算法對圖像中雜波背景有很好的抑制效果，可大大減少目標(biāo)識別中候選目標(biāo)點的數(shù)目，便于進(jìn)一步對目標(biāo)的識別。針對多目標(biāo)的檢測，提出了一種綜合多源圖像分形特征的特征級融合檢測方法。該算法首先由紅外圖像閾值分割出部分目標(biāo)，然后利用分維數(shù)圖的統(tǒng)計特征可以增強分形